遗传神经网络在温室黄瓜霜霉病预测中的应用

在神经网络结构的优化、连续权重的训练中采用遗传算法的方法对日光温室黄瓜霜霉病进行预测，并对其发生程度进行了拟合，计算值与实际值接近，表明该模型具有良好的预测效果。     

基于惯导技术的水田拖拉机下陷深度检测方法

针对水田中一直存在的水和烂泥会对拖拉机下陷深度的检测带来干扰的问题,利用惯导技术提出了一种间接的、不接触水面实时检测拖拉机行驶过程中下陷深度的方法。构建了大地、惯导、左右下陷深度检测点的坐标系,推导了拖拉机静止和运动各坐标系之间基于欧拉角的相互表示的转换矩阵,结合惯导输出的三维加速度值和三位姿态角,得到根据转换矩阵计算车体沿垂直方向上的加速度和以此计算水田拖拉机整体和局部位置下陷深度的公式。实际计算结果表明,该方法适用于在水体和烂泥干扰严重的水田环境下检测拖拉机的下陷深度。     

基于神经网络的农业灌溉量预测

以农业灌溉量为研究对象,将其看作灌区有效灌溉面积、年降雨量、粮食总产量的非线性函数,并利用神经网络和灰色预测等方法对其进行预测;在此基础上,再利用神经网络的非线性特征对灌区的灌溉供水量进行预测,并且对山东聊城彭楼灌区的数据进行了验证。结果表明:相对误差较小,预测精度达到了要求。     

基于GA-BP神经网络的作物参考腾发量预测

采用黄金分割原理优化算法确定BP神经网络的隐含层节点数,进而确定BP神经网络的结构,并针对BP神经网络容易陷入局部极小值和全局搜索能力弱的缺点,引人遗传算法(GA)优化网络权值,建立GA-BP网络模型,预测作物参考腾发量ET0.以北京地区的相关资料为基础,选用6种输入因子组合方案,对该模型进行验证,结果表明该网络模型具有较好的预测能力;同时,对6种方案比较分析表明,方案4最优,该方案只需选用4项输入因子(日序数、平均气温、风速和日照时数),就能以较高的精度预测作物参考腾发量.     

动载式水田土壤流变仪的研制

以四元件Burgers模型作为水田土壤的通用流变模型，通过将随时间随机增长的压力简化为时间的阶梯函数导出了动载条件下水田土壤的压力一下陷量一时间曲线，并提出了据此曲线用最优化理论计算土壤流变参数的方法；在此基础上，研制了一种基于虚拟仪器原理的动载式水田土壤流变仪。该种仪器可自动完成测量数据的采集、贮存及流变参数的计算。试验表明，该仪器所测的土壤流变参数与据静载下土壤的蠕变曲线计算的流变参数数值基本一致。     

基于遗传对角回归神经网络的农机总动力预测

利用遗传算法强全局随机搜索特点,结合DRNN神经网络对非线性数据具有鲁棒性和自学习能力的优点,通过将历年农机总动力数据作为时间序列进行分析,建立DRNN神经网络预测模型对农机总量进行预测。本文采用遗传算法对DRNN神经网络进行训练,可克服基于梯度算法的神经训练算法的缺点,收敛速度快,可达到全局最优。通过与校验用数据的比较证明本文建立的预测模型具有较高的精度。     

发动机结合件间凸出或下陷量的作用

1.气门导管凸出量 气门导管压入缸盖座孔后,应使导管上端面凸出气门弹簧底座端面。凸出量过大,会使气门在升起过程中与导管相碰;凸出量过小,会使气门关闭时锥面与导管相碰。 2.缸套台肩凸出量 将未装阻水圈的缸套放入机体座孔中,缸套台肩上端面应凸出机体平面,以保证缸盖能压紧缸套,使之覆盖台肩部位的缸垫压得更紧,防止高压气体外漏或向气缸内漏水,早期冲坏缸垫。     

基于BP神经网络的农业机械数量预测

为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。     

基于BP神经网络的农田灌溉量预测

农田灌溉量预测对水资源合理规划和优化配置具有重要意义。为此,以农田水分平衡公式为基础,导出灌溉量I与前各时期的降雨量pt-1、pt-2、pt-3灌溉面积S之间存在非线性关系,由此建立了农田灌溉量的BP神经网络预测模型。检验结果表明,灌溉量BP神经网络预测法精度约为94.5%。因而,以灌溉面积、前各时期降雨量为输入变量,结合BP神经网络技术来预测农田灌溉量,具有很好的应用前景。     

基于离散元的稻板田旋耕功耗预测模型研究

针对旋埋刀辊在对长江中下游稻板田耕作时存在的高功耗问题,基于离散元方法构建稻板田旋耕功耗预测模型,以辅助旋埋刀辊功耗检测。连续3年对稻板田土壤含水率的进行监测,发现土壤含水率与其塑限接近,说明稻板田土壤塑性较差,结合土壤受载后的形变及破坏特点,最终选定HertzMindlin with Bonding颗粒接触模型表征稻板田土壤的粘结和破坏情况。根据旋耕作业形式的特殊性和旋埋刀辊的结构特点,沿幅宽方向缩小旋埋刀辊的尺度,在旋耕测试平台的辅助下,完成标定参照试验。利用离散元软件建立旋耕作业模型,进行等步长爬坡试验,通过步阶次序建立接触参数与功耗指标之间的函数关系,代入标定参照试验功耗值,最终确定稻板田旋耕功耗预测模型的接触参数取值,完成模型的构建。为进一步验证该模型的适用性,在不同作业工况下对通用刀辊和旋埋刀辊进行误差对比试验,结果显示,预测误差范围为3.63%～9.48%,均值为6.65%,结合方差分析说明,稻板田旋耕功耗预测模型适用于不同旋耕刀辊及工况下的功耗预测。还原刀辊真实尺度的田间试验功耗预测误差范围为2.50%～12.81%,均值为7.28%,刀辊结构在缩放过程误差变化较小,说明模型能够准确反映旋埋刀辊在稻板田作业的功耗情况。     

基于LPC2103的稻田自动灌溉系统

在水稻生长的不同时期合理控水灌溉,不但节约水资源,而且还可以提高稻田的产量.为此,设计了基于LPC2103的稻田自动灌溉系统,通过超声波测距模块测量稻田水位高度,使用SHT75湿度传感器检测稻田的湿度,并根据水深和湿度数据决定电机是否工作.软件采用uC/OS-II操作系统进行任务管理,实现GPS数据获取、GPRS发送信息、湿度检测以及控制功能.对样机的测试结果表明,设计达到了预期的目的.     

基于GNSS的智能水田旋耕平地机研究

设计了一种基于GNSS的智能水田旋耕平地机,将两个GNSS天线分别固定在旋耕平地机两端,以天线高程定位数据与俯仰角数据作为旋耕平地机高程与倾角信息,采用模糊PID控制算法,通过向电液比例换向阀输入驱动电压信号控制调节油缸伸缩,使旋耕平地机绕中间旋转轴转动或沿滑槽上下移动,实现了机具的水平与高度调节。设计了一种蓄能器、液压泵协同工作的液压系统,提出了基于最小二乘法的基准面生成方法。为验证智能水田旋耕平地机的工作性能,在水稻、小麦等不同前茬作物以及砂质土、粘质土、壤土等不同土壤类型条件下,对其进行了水田平整试验。试验结果表明,智能水田旋耕平地机平整效果较好,平整度达到3cm左右。该系统稳定性较好,适应性强,对水田平整度有较大的改善,平整后的水田满足水稻种植的农艺要求。     

基于参数化遗传神经网络的植物病害预测方法

将混合神经网络(PFNN—FG)技术应用于植物病害预测，其输入矢量含模糊分量，遗传算法优化配置各参数。变形Sigmoid函数用于不同的隐含层，构成参数化神经网络。网络的输入层引入模糊集合理论，使网络能处理语义变量。将PFNN—FG和其他神经网络(如前向神经网络、径向基神经网络等)用于大豆基准问题进行分析比较，结果是PFNN—FG在精度和训练速度上优于其他网络。将PFNN—FG和前向神经网络用于2组黄瓜霜霉病数据，前者测试组的均方根误差小于后者。     

基于ARMA的插秧机田间行驶姿态预测

为减小水田不平度对农业机械精准作业品质的影响,进一步提高农机装备工作效率,从系统控制角度出发,提出将预测算法应用于农机具的姿态补偿控制。在分析自回归滑动平均模型（Auto regressive and moving average,ARMA）建模原理和适用性的基础上,对车载GPS/INS组合导航系统采集的插秧机田间行走侧倾角序列进行ARMA建模及提前预测,单次预测时长为1s和2s,预测总时长为30s;对GPS/INS组合导航系统所采集的原始值以2Hz、5Hz和10Hz 3种频率输出,以比较不同频率的数据建模对姿态预测精度的影响。结果表明：ARMA模型可有效预测插秧机未来1~2s内的姿态变化趋势;对于同一频率的样本,提前2s预测精度均低于提前1s预测精度,但差异不明显;以3种频率数据分别作样本时5Hz样本预测效果最好,其提前1s预测均方根误差和误差标准差分别为0.6567°、0.6565°,提前2s预测均方根误差和误差标准差分别为0.6712°、0.6769°。     

遗传算法优化BP神经网络在山洪临界雨量预测中的应用研究

为研究确定四川省冕宁县山洪灾害临界雨量,及时采取减灾避灾措施,根据冕宁县14个雨量站和气象站的资料,选取山洪灾害发生的关键因子:日时段降雨量和降雨强度,建立BP神经网络预测模型.然后用遗传算法对BP神经网络的权值和阈值进行优化,建立GA-BP预测模型.与BP预测模型相比,GA-BP预测模型能有效克服BP模型训练时间长,易陷入局部最优的缺陷,在临界雨量预测精度方面,GA-BP模型预测的平均相对误差为1.96％,而BP模型预测的平均相对误差为7.22％,明显提高了预测精度.这一临界雨量预测方法与结果,进一步修正完善后将试用于冕宁县山洪灾害监测预警系统.     

水田土壤流变机理研究现状与展望

随着农业机械化发展的加快,解决水田作业机械问题已成为极为迫切的问题,但传统的方法在探讨耕作部件和车辆的行走装置与土壤的相互作用规律时,均将土壤作为弹性、塑性或弹塑性材料,而这些方法均不适用于含水量较高的水田土壤.为此,综述了关于水田土壤流变机理的发展过程,并对今后流变学研究的方向提出了建议.     

中型水田耕耙平地机辅助机构设计

中型水田耕耙平地机是以29.4 kW拖拉机为动力进行水田耕耙和平地一体的农业机械,是现代农业水田生产不可缺少的农机用具。为此依据其工作性能及特点设计了一套高效且多性能的辅助机构。该辅助机构不仅为耕耙平地机的刀轴系统和传动系统提供安装平台,且为耕耙平地机与拖拉机的连接提供挂接装置。同时围绕整机旋耕、碎土、平地和压茬4项功能进行合理设计,因此该辅助机构性能多样、结构简单。      

超声波传感器评定水田激光平地机水平控制系统性

为了评定水田激光平地机平地铲水平控制系统性能,采用2个SensComp 600超声波传感器测量平地铲两端与参考水平面的距离,然后利用三角关系计算得到平地铲倾斜角度.对超声波测距、传感器与反射面成一定夹角的影响以及运动对测量的影响因素进行了分析,并与姿态航向参考系统AHRS500GA-226提供的参考倾角进行了对比,结果表明2个超声波传感器在静态和动态条件下均能较准确地测量出平地铲倾斜角度,最大静止误差和最大动态误差分别为0.08°和1.00°.在平整的水泥地面上对平地铲水平系统性能进行了测试,实验结果表明,水田激光平地机水平控制系统倾斜角度测量准确,误差不超过1.00°,整个系统能较好地实现平地铲水平控制,满足水田平整作业需要.